Résilience des systèmes de transport guidé en milieu urbain : approche quantitative des perturbations et stratégies de gestion

Resilience of urban guided transport systems against natural risks : a quantitative approach and associated protection strategies

• Auteur / Autrice : Michaël Gonzva
• Direction : Youssef Diab
• Type : Thèse de doctorat
• Discipline(s) : Génie Urbain
• Date : Soutenance le 08/03/2017
• Etablissement(s) : Paris Est
• Ecole(s) doctorale(s) : École doctorale Ville, Transports et Territoires (Champs-sur-Marne, Seine-et-Marne ; 2010-2015)
• Partenaire(s) de recherche : Laboratoire : Lab'Urba (Champs-sur-Marne, Seine-et-Marne) - LAB'URBA / LAB'URBA
• Jury : Président / Présidente : Christine Voiron-Canicio
• Jury : Examinateurs / Examinatrices : Youssef Diab, Bruno Barroca, Pierre-Etienne Gautier, Pietro Bernardara, Andrew Mcnaughton
• Jury : Rapporteurs / Rapporteuses : Denys Breysse, Gabriel Dupuy

Mots clés

Mots clés contrôlés

Dommages causés par les inondations -- Prévention

Transports urbains

Gestion du risque

Mots clés libres

Risques

Résilience

Systèmes

Transport urbain

Risks

Resilience

Systems

Urban public transport

Résumé

Lorsque surviennent des risques naturels, les dommages aux systèmes urbains représentent habituellement des conséquences économiques et sociales importantes. Parmi eux, les systèmes de transport guidé restent aujourd'hui particulièrement vulnérables notamment face au risque inondation. Par ailleurs, le concept de résilience connait d’importants développements dans le domaine de la gestion des risques naturels. La résilience peut se définir comme la capacité d’un système à absorber une perturbation et à récupérer ses fonctions à la suite de celle-ci.L’objectif de la thèse est d’étudier la vulnérabilité et la résilience des systèmes de transport guidé face au risque inondation à partir d’une analyse des mécanismes de défaillance. Ces systèmes sont assimilables à des systèmes hautement compliqués avec de multiples interdépendances entre les éléments. Etudier ces interdépendances, dans le cas d’une inondation, permet une approche comparative des trois configurations traditionnelles d’implantation d’un système de transport guidé~: en souterrain, en surface et en aérien.Cette démarche qualitative est combinée à une modélisation probabiliste, basée sur l’utilisation des réseaux bayésiens, du système soumis à un risque inondation. La thèse présente la démarche construite qui rend possible~: l’élaboration d’une approche globale c’est-à-dire de l’occurrence de l’aléa avec ses caractéristiques données d’intensité~; l’identification des dommages matériels directs~; l’identification des dommages matériels indirects c’est-à-dire ceux occasionnés par des effets domino~; la déduction des conséquences fonctionnelles c’est-à-dire les modes de fonctionnement dégradé du système relatif à son exploitation

The vulnerability of guided transport systems facing natural hazards is a burning issue for the urban risks management. Experience feedbacks on guided transport systems show they are particularly vulnerable to natural risks, especially flood risks. Besides, the resilience concept is used as a systemic approach for making an accurate analysis of the effect of these natural risks on rail guided transport systems.The purpose of this thesis is to provide an analysis of guided transport systems’ resilience in the face of flood risks through a study of the failure mechanisms to which the components of these systems are subjected. Indeed, the urban critical infrastructures such as guided transport systems are complex systems in which the components are strongly interdependent. This interdependency may imply many failures caused by cascade effect within the system.Moreover, the qualitative methodology is linked to a probabilistic framework. Indeed, from the probability of a natural hazard occurring with a given intensity through components failures due to cascade effect, the objective is to assess the probability of degraded modes of operation. This probabilistic framework allows to shift from a qualitative approach based on dependability methods to a quantitative approach based on Bayesian networks